[论文解读] Endowing Empathetic Dialogue Systems with Personas.

Peixiang Zhong, Yan Sun+5 more|arXiv (Cornell University)|Apr 26, 2020

Digital Mental Health Interventions参考文献 44被引用 4

一句话总结

本文提出了一项新任务，为共情对话系统赋予个性特征，构建了一个大规模多领域数据集，并提出 CoBERT 模型——一种基于 BERT 的响应选择模型，该模型实现了最先进性能。实证结果表明，个性特征显著提升了共情回应质量，尤其是在模型在共情对话数据上进行预训练时，建立了个性与共情之间在类人对话中的直接关联。

ABSTRACT

Empathetic dialogue systems have been shown to improve user satisfaction and task outcomes in numerous domains. In Psychology, persona has been shown to be highly correlated to personality, which in turn influences empathy. In addition, our empirical analysis also suggests that persona plays an important role in empathetic dialogues. To this end, we propose a new task to endow empathetic dialogue systems with personas and present the first empirical study on the impacts of persona on empathetic responding. Specifically, we first present a novel large-scale multi-domain dataset for empathetic dialogues with personas. We then propose CoBERT, an efficient BERT-based response selection model that obtains the state-of-the-art performance on our dataset. Finally, we conduct extensive experiments to investigate the impacts of persona on empathetic responding. Notably, our results show that persona improves empathetic responding more when CoBERT is trained on empathetic dialogues than non-empathetic ones, establishing an empirical link between persona and empathy in human dialogues.

研究动机与目标

• 探究个性在共情对话系统中的作用，受心理学研究中个性与共情关联的启发。
• 解决现有共情对话中缺乏大规模、多领域个性信息数据集的问题。
• 开发一种高效、基于 BERT 的模型（CoBERT），用于共情对话中的响应选择。
• 实证检验个性如何影响共情响应的生成与选择。
• 在数据驱动的基础上，建立个性与共情在类人对话系统中的直接关联。

提出的方法

• 作者构建了一个新颖的大规模、多领域数据集，其中包含带有用户个性特征标注的共情对话。
• 提出 CoBERT 模型，一种针对共情对话中响应选择任务优化的微调 BERT 模型，利用个性信息进行建模。
• CoBERT 将个性嵌入整合到输入表示中，以基于情感和上下文一致性指导响应选择。
• 在新构建的数据集上进行模型训练与评估，并通过消融实验隔离个性特征的影响。
• 通过对比模型在共情与非共情数据上训练的性能，评估训练数据类型对个性特征有效性的影响力。
• 该框架支持对个性如何影响响应相关性、共情程度和情感准确性进行受控分析。

实验结果

研究问题

• RQ1 在对话系统中引入个性信息如何影响共情响应的质量？
• RQ2 在共情对话数据上进行训练是否会增强个性对响应生成的积极影响？
• RQ3 在多领域共情对话场景中，个性在多大程度上提升了响应选择质量？
• RQ4 CoBERT 在新数据集上的性能与现有模型相比如何？
• RQ5 在类人对话中，个性与共情之间存在怎样的实证关系？

主要发现

• 个性显著提升了共情响应质量，尤其当模型在共情对话数据上进行训练而非非共情数据时效果更明显。
• CoBERT 在所提出的数据集上实现了最先进性能，证明了基于 BERT 的架构结合个性信息的有效性。
• 引入个性后，响应在上下文和情感上更加恰当，经自动评估与人工评估验证。
• 在共情对话数据上训练的模型，其个性与共情响应质量之间的正相关性显著强于在非共情数据上训练的模型。
• 本研究在实证上建立了个性与共情在类人对话中的直接关联，支持了个性在共情型 AI 系统中的心理学相关性。